Гай Карапетян. Самоучитель по контекстной рекламе. Глава 3

Смотрите в каталоге
Гай Карапетян. Самоучитель по контекстной рекламе. Глава 3

Кластеризация и структура аккаунта в контекстной рекламе.

Далее, прежде чем приступать к глубокому сбору семантического ядра, нам надо решить вопрос со структурой будущего аккаунта. Это очень важный момент. Нам это нужно для того, чтобы было удобно управлять ставками, а также понимать точки приложения усилий по расширению семантики.

Кластеризация для контекстной рекламы отличает от кластеризации для SEO. Во-первых, мы берем фразы глубже и шире и нам не так важна частотность. Во-вторых, мы их кластеризируем немного по другому. Хотя и классическую SEO раскидку фраз можно использовать.

В SEO обычно фразы разбивают так:

Классификация видов запросов

  • Навигационные — направленные на поиск объекта (официального сайта, представительства тп.
  • Информационные — направленные поиск информации
  • Транзакционные — направленные на совершение действия

Классификация запросов по SEO

  • Навигационные/информационные/транзакционные (коммерческие);
  • Сезонные/всесезонные;
  • Геозависимые/геонезависимые;
  • Частотность (ВЧ/СЧ/НЧ/мНЧ);
  • Конкурентность (ВК/СК/НК).

Структуру аккаунта нужно строить так, как вы собираетесь управлять своей рекламой. Исходя из будущей структуры аккаунта, мы будем кластеризировать набранное нами семантическое ядро.

Если вы еще не поняли, структура аккаунта – это то, как вы разобьете все свое семантическое ядро, по каким кампаниям. И на самом деле, структуру надо продумывать еще до того, как вы вообще задумались о семантическом ядре.

Тут есть несколько вариантов.

  1. Все в одну кампанию.

Никакой структуры, все ключевики запихиваются в одну кампанию и, чаще всего, по единой ставке. Так делают на тестовых кампаниях или когда у вас сайт-одностраничник и все ключевики для вас в целом одинаково важны и вы не готовы давать кому-то из ключевиков определенное преимущество. Кстати, часто еще так поступают, когда запускают кампании в РСЯ.
Итак, это вариант подходит для первой тестовой кампании, для лендинга с небольшим семантическим ядром, для небольшой кампании в РСЯ-КМС.

  1. По категориям.  Так называемый иерархический тип.

    а) Магазины. Частая история для магазинов, особенно больших. Каждая категория или подкатегория товаров рекламируется в отдельной кампании: чайники - в кампании для чайников, телевизоры - в кампании для телевизоров и тд. Это удобно, это логично, в дальнейшем можно анализировать ROI по каждой категории. Так поступают почти всегда при первичном запуске рекламы магазина.

    Но есть и проблема. В одной и той же категории и чайники, и телевизоры могут быть очень разные по прибыльности для магазина - с разной стоимостью и разной маржой. Т.е. надо ставить на каждый товар разные ставки: на прибыльные повыше, на неприбыльные -поменьше. Но это существенно усложняет процесс управления эффективностью кампаниями. Представьте – у вас 100 категорий в магазине, т.е. 100 кампаний в аккаунте Директа и еще 100 кампаний в AdWords. А внутри каждой из этих 200 кампаний тысячи, хорошо, сотни объявлений, и все они с разной ставкой. Да еще на один и тот же товар у вас может быть 10 объявлений и все с разной конверсией – в общем, повеситься можно.

    Тут нам на помощь приходят либо системы автоматизации, которые считают эффективность по каждой фразе и управляют ею (об этом мы поговорим как-нибудь позже, но и тут свои сложности), либо можно так начать, а потом, когда поднакопятся данные, перестроить структуру как в пункте 3.

    б) Не магазины. Этот же метод часто подходит для запуска любых услуг: юридических, ресторанных, обучающих. Каждый курс, каждая услуга, ее тип и подтип, выводятся в отдельные кампании. Но опять-таки, внутри каждой кампании разные фразы дают разную отдачу, и им хочется назначить разную ставку. А потом пойди-запомни, где ты какую ставку поставил и почему.

    Удобнее всего при ручном управлении в каждой кампании поставить единую ставку на все фразы внутри этой кампании и выбрать правильную стратегию.
  2. Не всегда его можно использовать с самого начала, особенно на больших проектах, особенно, когда не понятно, какие типы фраз принесут больший доход, какие меньший.

    Задача тут такая – предположить, какие фразы из всего набора фраз принесут наибольший доход, какие средний, какие меньший, какие вообще не принесут. Для чего? Мы поставим разные ставки на разные кампании.

По сути при этом подходе мы прогнозируем, или берем уже имеющиеся данные по: конверсии, ctr и среднему чеку.

Тут тоже надо разбить на два подхода: для магазинов и не магазинов.

а) Магазинам: Надо разбить кампании не по категориям, а по кластерам соотношения прибыли с товара к конверсии.
Условно, у нас в магазине есть следующие товары:

  • Телефон А – стоимость 3000 руб. Маржа 30%. Прибыль 900 руб.
  • Телефон Б – стоимость 27 000 руб. Маржа 10 %. Прибыль 2700 руб.
  • Телефон В – стоимость 1200 руб. Маржа 15%. Прибыль 180 руб.
  • Сумка А – стоимость 5000 руб. Маржа 50%. Прибыль 2500 руб.
  • Ноутбук А – стоимость 50000 руб. Маржа 2%. Прибыль 1000 руб.
  • Чехол А – стоимость 270 руб. Маржа 70%. Прибыль 189 руб.

Что мы видим? Что при условной средней конверсии в 1% по всему магазину, назначать единую ставку для всех телефонов – неправильно. СРО (cost per order) на каждый из товаров совершенно разные. На телефон В мы должны ориентировать на ставку в 1,8 руб., а на телефон Б мы можем поставить 27 руб.

Но те же 25-27 руб. мы можем поставить на сумку А. Так может объединить их в одну кампанию и назначить единую ставку?

А также объединить Телефон А с ноутбуком А, и телефон В с чехлом А. У всех этих товаров одинаковый CPO. И предполагая некую среднюю конверсию по сайту, мы можем разбить весь ассортимент товаров по кластерам. В каждом кластере - товары с похожим или единым СРО.

Вдумчивые люди тут же вставят вопрос: а если конверсия разная на разных товарах? Ответ – тогда делайте отдельные кампании на каждый товары J Ну или хотя бы дробите дальше кластеры по уровню конверсии. Только следите за тем, чтобы не получить слишком громоздкую структуру – ею будет сложно управлять.

Можно подсоединять автоматику – она будет считать отдачу с каждого товара. Да только беда в том, что автоматике нужны данные, а если 90% товаров у вас покупается с контекста! раз в месяц, а то и реже, то автоматике не будет хватать данных и она будет бесполезна.

б) Не магазины. Да и некоторые магазины с однотипными товарами. Лендинги.

Тут опять-таки вопрос – у вас уже есть данные веб аналитики по предыдущим кампаниям или хотя бы много данных из поиска? Желательно их иметь, чтобы было понятно, какие фразы конвертируются, с какой конверсией, какие нет. Желательно, чтобы это отслеживалось на длительном периоде.

Если этих данных нет, то глядя на свое семантическое ядро, надо предположить, какие фразы будут конвертироваться лучше, какие хуже.Ну, например, очевидно, что фразы со словами «купить», «заказать» будут конвертироваться выше.

Если и предположить сложно, например, это b2b сектор, решения принимаются долго, средний чек большой, или клиенты не всегда покупают с первого раза, то посмотрите в Метрике или Аналитиксе поведенческие характеристики: посмотрите среднее время на сайте, глубину просмотра (сколько страниц) и отказы по фразам. Если по фразе «морковка» у вас много отказов и люди быстро уходят с сайта – значит не стоит ставить высокие ставки на морковку. А вот если по фразе «клубничка» у вас отказов мало, люди остаются на сайте, смотрят глубже, много времени проводят на сайте – то значит это хорошая фраза. На нее стоит рассчитывать. Главное, смотрите такие данные на длительном периоде времени -  месяц, полгода, год. Не делайте поспешных выводов на коротких забегах.

Дальше весь набор фраз надо разбить по следующим пулам:

  • Высоко конверсионные.
  • Фразы с продающими добавками – транзакционные (купить, заказать, магазин и т.п.).
  • Средне конверсионные.
  • Низко конверсионные.
  • Мусор.

Не обязательно пользоваться только такой разбивкой. Их может быть больше или меньше. Главное иметь хотя бы 2-3 кластера. Некоторые специалисты меньше, чем 5 кластерами, не обходятся. И на каждый кластер у них своя ставка и своя стратегия – где-то максимальный охват, а где-то показ внизу страницы. Обычно на хорошие слова ставки повыше и максимальная позиция, на плохие – низкие ставки в гарантийных показах.

Возьмем, к примеру, наш бывший магазин детского термобелья.

  • «Детское термобелье» - это была высоко конверсионная фраза, даже несмотря на то, что это высокочастотная фраза.
  • «Детское термобелье купить», «мериносовое белье купить», «Норвег купить», «Янус купить» - это с продающими фразами. Их все равно нужно выводить в отдельный кластер. По ним, то есть показы,то нет, то есть продажи, то нет. Но в среднем, на больших периодах они давали хороший результат. Они могут не давать его-не давать, а потом начать. А если и не дадут, если ставки по ним высокие, – они у вас в отдельном кластере – их удобно разом отключить.
  • «Термобелье Norveg» - это средне-конверсионные фразы.
  • «Норвег», «Norveg» - это низко-конверсионная фраза.
  • «Зимняя одежда» - это уже мусорная фраза. По ним конверсии были редко или их вообще не было. Отключать их или нет – это вопрос вашей точки зрения. Я лично не отключаю, но ставлю крайне низкие ставки - для охвата, для многоканальной атрибуции. Возможно, потом эти люди вернутся и узнают магазин.

Тут, наверное, все же непонятно, зачем выводить фразы с «купить» в отдельный кластер. Они же могут, исходя из данных, раскидаться в высоко- или средне-конверсионные кластеры. Да, это так.
Если фраза с «купить» попала в высоко-конверсионный кластер, надо ее там и оставить.
Но переводить такие фразы в низкие кластеры, сразу на первой-второй итерации вашей кампании, я бы не стал. Я предпочитаю вывести их в отдельный кластер, создать по 2-3 объявления на фразу, поставить средненькие ставки и последить за ними еще на каком-то периоде, до следующей итерации кампаний.

Возьмем еще один проект для образца. Например, http://delgusto.ru/. Это курсы итальянской кулинарии с итальянскими шеф-поварами.

Грубо, но как-то так мы накидали кластеры в самом начале.

  • Курсы итальянской кулинарии – Высокий.
  • Мастер-классы по кулинарии записаться – Транзакционные.
  • Мастер-классы по кулинарии – Средний.
  • Курсы по кулинарии – Низкий.
  • Мастер классы – Низкий.
  • Итальянские рецепты – Мусор.

И кстати, по итогам двух месяцев работы фраза «мастер-классы по кулинарии» оказалась высококонверсионной и туда и переехала.

Давайте подведем небольшое резюме и заодно посмотрим какие еще варианты кластеризации бывают.

1 тип. Иерархические.

  • По посадочной странице. Категории.
  • По регионам: Москва, Санкт-Петербург, Россия.

2 тип. Неиерархические.

  • По наличию транзакционных добавок
  • По типу соответствия.
  • По количеству слов в фразе.
  • По минус словам.
  • По наличию фразы в поисковой выдаче.
  • По конверсии.
  • По прибыли.
  • По среднему чеку.
  • И др…

Подумайте, может для вашего аккаунта вы подберете свой тип кластеризации.

И, как вы уже поняли, в будущем, когда у нас появятся данные по конверсиям, в конечном итоге:

  • В хороших кластерах мы будем расширять семантическое ядро и увеличивать ставки.
  • А в плохих мы будем ставки уменьшать и зачищать семантику.

А далее, уже представляя себе структуру аккаунта, зная, как вы будете кластеризировать семантическое ядро, можно окончательно приступать к его сбору и непосредственно кластеризации. Но об этом, а также о самих инструментах и методах кластеризации мы продолжим в следующий раз.

Самоучитель по контекстной рекламе. Глава 1

Самоучитель по контекстной рекламе. Глава 2

Дорогие читатели, у меня для вас две новости.

1) Как вы догадались по верхней картинке, мы вновь проводим наш курс по лидогенерации. Подробности по клику по картинке.

2) С недавних пор я начал вести передачу на радио Медиаметрикс. Передачу назвали «Клики для бизнеса», говорим о трафике и лидогенерации. Уже прошло 5 выпусков, но я только сейчас решил выкладывать записи передач в отдельных постах.

И кому интересно — прошу, запись 5-ой передачи. Тема: Арбитраж оптом. Поставка лидов по CPA модели в больших объемах. Леонид Румянцев.

Компании и сервисы: Norveg, Яндекс.Метрика, Google Ads, Яндекс.Директ

Читайте также

6 декабря 2022 / Комментарии

Сравнение и анализ популярных сервисов доставки продуктов

Data Insight опубликовал исследование, где сравнил популярные сервисы доставки продуктов. В исследовании определили параметры доставки продуктов, существенные для пользователя при экспресс-доставке продуктов и сравнили сервисы доставки и магазины с собственной курьерской службой по выделенным параметрам.

далее →

31 августа 2022 / Комментарии

Рынок онлайн продажи продуктов: динамика заказов и эволюция прогноза на 2022 год

Data Insight анонсирует новый выпуск ежемесячного бюллетеня, посвященного развитию eGrocery в России. В нем раскрываются основные цифры, характеризующие рынок онлайн продажи продуктов за июль 2022 года.

далее →

23 августа 2022 / Комментарии

E-commerce рассылки: анализ вовлеченности и кликов

Специалисты компания Bluecore изучили более 35 млрд email-кампаний и выяснили, что самый большой уровень вовлеченности в email-рассылках показывают приветственные письма — их Open Rate достигает 46,7%.

далее →

11 августа 2022 / Комментарии

Программы лояльности и аналитические системы российских ритейлеров: тренды, антитренды и перспективы рынка

Эксперты компаний Кошелёк и Direct Service изучили программы лояльности и аналитические системы российских ритейлеров, обсудили тренды и антитренды, узнали как в целом они оценивают развитие рынка, какие строят планы на 2022.

далее →

4 августа 2022 / Комментарии

Тренды, аудитория и трафик российских маркетплейсов

Чтобы лучше понимать возможности площадок для селлеров и покупателей, эксперты компании iConText Group изучили самые крупные российские маркетплейсы.

далее →